Judith Nkechinyere Njoku · Ebuka Chinaechetam Nkoro · Robin Matthew Medina · Cosmas Ifeanyi Nwakanma 等6人 · IEEE Access · 2025年1月

电池管理系统BMS复杂性增加导致处理准确实时监测和控制所需海量数据面临挑战。现有严重依赖人工智能AI的BMS框架常因数据限制而影响状态估计精度，最终影响电池性能和安全性。提出集成数字孪生DT技术应对这些挑战。DT创建物理电池系统的虚拟表示，通过先进AI算法实现增强监测、预测性维护和优化性能。本研究全面探索BMS的DT技术。首先综述基本概念，包括DT在电池管理中的定义、角色和高层架构。其次检查研究和行业案例研究以识别开发强大电池DT的必要技术和工具。提出详细框架将DT与现有BMS基础设施集成，聚焦...

解读: 该数字孪生电池管理技术对阳光电源BMS产品线有前瞻性参考价值。阳光储能BMS和车载OBC可借鉴DT技术实现虚拟仿真和优化。数字孪生虚拟表示可应用于阳光电池系统的状态监测和预测性维护。AI算法与DT集成的思路可提升阳光BMS的智能化水平。该综述提出的集成框架和实施策略，对阳光BMS数字化转型有指导意义...